基于LAB颜色空间的植物病变区域提取

郑州轻工业学院计算机与通信工程学院 符运阳 郭胜娜 王 兵 王光光

基于LAB颜色空间的植物病变区域提取

郑州轻工业学院计算机与通信工程学院 符运阳 郭胜娜 王 兵 王光光

为了有效准确的提取出植物病害区域图像，利用了植物病变区域的褪绿现象，提出了1种基于LAB颜色空间的植物叶片病斑提取方法。将原始图像由红绿蓝（RGB）颜色空间转换到LAB颜色空间，提取A分量作为参考，并结合K-means算法进行聚类分割。结果表明，基于LAB颜色空间的植物叶片病害区域提取方法是可行的。

褪绿；LAB；K-means算法；病害区域

0 引言

中国作为农业大国应该重视植物病害的防治，越早发现植物病害并准确确定植物病害的种类，越能大幅度减少经济作物的损失。将数字图像处理和分析技术应用到这方面已经成为了主流，而计算机技术的快速发展也为这方面的应用提供了便捷。图像分割作为识别技术的前提和关键，起着十分重要的作用，其分割结果的优劣直接影响着后续过程。刘琼[1]等针对农田非结构性环境的特点，基于Lab和YUV颜色空间的农田彩色图像进行了分割，对农田图像进行了有效的分割。陈丽雪[2]等利用Lab颜色空间感知上的均匀性，实现了基于颜色特征的图像检索。董伟[3]等利用Lab颜色分布均匀，弥补了RGB颜色空间的不足，对图像去雾处理有了较大的改善，并取得了较为理想的效果。闫怀平[4]等用自适应二值化阈值对LAB颜色空间的B分量进行了处理，凸显了车牌区域，再用投影法准确定位出车牌位置。上述方法都是基于LAB颜色空间进行了图像分割，并达到了比较不错的效果。

基于以上背景，利用植物病害区域发生的褪绿现象，即颜色差异为主要依据，提出了一种有效可行的植物叶片病斑分割方法。在Lab颜色空间中，提取目标的a分量，利用颜色分布均匀的特点，并结合k-means聚类方法，将健康区域和植物叶片病斑区域分割开来。

1 颜色空间转换

绝大部分的彩色图像是基于RGB颜色三基色模型，但RGB空间中三个分量之间存在很强的相关性[5]，因而不适于直接用于基于三个分量独立运算的图像分割。但利用各种变换，可以由RGB空间推到出其他颜色空间[6],其中HSI[7]空间是从色调、亮度和饱和度三方面描述图像，比较至关且符合人的视觉特性。LAB色彩空间是目前最均匀的颜色空间，它与设备无关，适用于接近自然光照的场合。

CIE LAB颜色空间是由国际照明委员（International Commission on Illumination,CIE）于1976制定的一种色彩模式，旨在为了更好地提高颜色辨别效果，建立客观人机通用的评价标准。它是目前色域最宽的色彩空间，包括人眼所能看到的所有颜色，其每一组色值对应一种确定的与设备无关的色彩。这种用数学理论量化的色彩空间使不同设备的色彩能够相互比较、模拟和匹配。Lab颜色空间下各分量如图1所示：

图1 Lab颜色空间下图像各分量

它用三个基本坐标L* a* b*，L*表示颜色的亮度。后文省略*，简写成Lab。Lab中L表示明度，a、b均表示颜色，这就表明在Lab中明度和颜色是分开的，L通道没有颜色，a和b通道只有颜色。L、a、b分别取值为0-100（纯黑-纯白）、-127-128（洋红-绿）、-127-128（黄-蓝）。正、负分别为暖色、冷色。红绿分量a可以作为评价颜色最重要的指标之一[8]，它能很好的反应植物病害叶片褪绿的颜色状态。它虽然有颜色均匀性的特点，但是它不能像XYZ色彩空间一样，几乎能包含人类能够感觉到的所有颜色，所以需要先将RGB色彩空间转换到XYZ空间，如式(1)所示，然后在由XYZ转换到Lab色彩空间如式(2)所示[9]。

其中：

2 K均值聚类植物病害区域分割算法

K均值聚类算法是Mac Queen在1967年提出的一种局域划分的无监督实时聚类算法，是一种以误差平方和做为聚类准则函数，以默认欧式距离作为相似度测量的自适应搜索算法[10]。在本研究中使用数码照相机等光学设备直接获得数字图像，对图像裁剪获得原始图像的子图像。将子图像从RGB空间转换到LAB空间，之后运用5×5的矩阵窗口对目标进行中值滤波去噪，消除噪声或减弱对叶片病斑提取的影响。然后运用K均值算法对图像进行分割，仅仅根据图像的颜色信息，将颜色相近的像素点划分到同一簇去，将目标和背景划分为两类，就可以有比较好的分割效果。

K均值（K-means）聚类算法[11]是目前应用较为广泛的聚类分析方法之一。该算法具有快速、至关、易于实现的优点。K均值（K-means）聚类算法的基本流程如下：

(1)随机指派K个数据点作为算法的初始聚类中心点,即初始类簇中心点。

(2)计算数据集中所有数据点与初始聚类中心的相似度，把各个点划分到与其最相似的中心点所属类簇。

(3)当获得K个新的质心时，需要重新将数据集中的点与距它最近的新质心相绑定并进行循环迭代，直至准则函数收敛使平方误差函数值最小如式(3)。

3 实验结果分析

在matlab2016a，win7操作系统，cpu3.2GHz，内存4GB的实验条件下，分别用基于HSI颜色空间最优阈值算法[13]、迭代法[14]和本研究算法对植物叶片病斑分割，分割结果如图2所示。

图2 植物叶片病斑分割结果

在病斑区域具有复杂纹理，颜色复杂等特点时，基于HSI颜色空间的最优阈值分割算法不能有效地将病害区域提取出来，会连同不必要的复杂纹理也分割出来，影响分割的准确度。迭代法运算速度虽快，但和阈值法有同样的缺点，当纹理复杂，光照不均匀时，分割效果会将纹理和阴影区域同时分割出来，降低了分割的准确率，因此对于植物叶片病斑区域的提取效果也不理想。本研究算法针对颜色块进行聚类，对复杂纹理等不利影响不敏感，可以得到较好的分割效果。

在运行时间上也有一定的提高。算法处理时间如表1所示。

表1 各分割算法运行时间比较

三种算法的运行时间虽然相差不大，但本文研究算法针对植物叶片病害区域的提取具有较高的准确率，另外两种算法在计算复杂纹理的图片时，反而丧失了计算速度的优势。且本文分割算法具有一定的普适性，可以有效的分割出小麦叶锈病、杆锈病和黄光霜霉病和蔓枯病的叶片病害区域，具有一定的推广价值。

4 结论

本研究提出了一种在LAB颜色空间中进行植物叶片病害区域的提取方法，利用了ab分量包含全部颜色信息，并主要用a分量（即病变区域褪绿现象），在结合K-means聚类方法，将健康区域和病害区域聚类为2类，实现了较为精准的图像分割。在与其他经典的分割算法来进行比较，发现本研究算法不仅精度较高，而且处理时间较快，对复杂纹理，颜色信息复杂等特征的病斑图像也能提供较好的分割结果。对于植物病害也具有一定的普适性，不但可以识别小麦病害，也可以提取黄瓜等病害区域。但也存在不足，在光照不均匀的情况下，会出现误分割，会在进一步的研究中继续进行改善。

[1]刘琼,史诺．基于Lab和YUV颜色空间的农田图像分割[J]．理论与方法,2015,34(4)：39-41．

[2]陈丽雪,陈昭炯．基于Lab空间的图像检索算法[J]．计算机工程,2008,34(13)：224-226．

[3]董伟,张静,王建新．基于Lab色彩空间的图像去雾算法[J]．福建电脑,2015,12：84-86．

[4]闫怀平,王庆喜．基于Lab颜色空间的车牌定位方法[J]．电子世界,2012,10：107．

[5]庞晓敏,闵子建,阚江明．基于HSI和LAB颜色空间的彩色图像分割[J]．广西大学学报：自然科学版,2011,36(6)：976-980．

[6]李春丽．结合空间信息的模糊C均值聚类的图像分割算法[J]．辽宁石油化工大学学报,30(4)：51-53．

[7]闫春来．彩色图像分割算法的研究[D]．成都：电子科技大学计算机科学与工程学院,2008：10-11．

[8]杨新．图像偏微分方程的原理与应用[M]．上海：上海交通大学出版社,2003．

[9]章三妹．基于聚类和区域生长的彩色图像分割方法[D]．成都：成都理工大学信息科学与技术学院,2008：15-16．

[10]徐黎明,吕继东．基于同态滤波和K均值聚类算法的杨梅图像分割[J]．农业工程学报,2015,31(14)：202-208．

[11]左进,陈泽茂．基于改进K均值聚类的异常检测算法[J]．计算机科学,2016,43(8)：258-261．

[12]张强,王正林．精通MATLAB图像处理[M]．北京：电子工业出版社,2008：272-279．

[13]李中健,杜娟,郭璐．将Otsu用于多阈值彩色图像分割的方法及优化[J]．计算机工程与应用,2010,46(11)：176-178．

[14]李景福,赵进辉．基于阈值的彩色农业图像分割方法研究[J]．安徽农业科学,2007,35(28)：8869-8870．

Extraction of Plant Leaflesions Based on LAB Color Space

Fu YunYang，Guo ShengNa，Wang Bing，Wang GuangGuang
（Zhengzhou University oflight Industry，Henan，ZhengZhou，450000）

Chlorotic；Lab；K-means algorithm；Disease area.

Abstrat：In order to extract the image of the plant disease area ef f ectively and accurately, a kind of plant leaflesion extraction method based on Lab color space was proposed by using the chlorosis phenomenon in the plant lesion area. The original image is converted from the red, green and blue(RGB) color space to the Lab color space, the A component is extracted as a reference, and the K-means algorithm is used to cluster the segmentation. The results show that the method of regional extraction of plant leaf disease based on Lab color space is feasible.

国家自然科学基金项目（61501406）；河南省高等学校重点项目计划（15A510015）支持。

符运阳（1991—），男，河南信阳人，郑州轻工业学院硕士研究生，主要研究方向为光网络技术。

郭胜娜（1992—），女，河南商丘人，郑州轻工业学院硕士研究生，主要研究方向为射频识别、图像处理。